百度Apollo推出企业版，自动驾驶商业化的春天要来了？

论到现在的前沿技术，其中的显学无疑是AI。再把AI细化，其中的显学无疑又是自动驾驶。虽然AI在金融、医疗、安防方面的应用落地更广泛，但从对人类社会的影响来讲，无人驾驶对于汽车、交通出行方面的改变，带给人类社会的影响似乎来得更大。目前CES正在美国达斯维加斯开启，无人驾驶是可以说是今年CES最大的热点，英特尔、高通、丰田、宝马、奔驰等多家厂商都在展示自己在自动驾驶方面的新产品或者新进展。

作为在自动驾驶领域布局很深的厂商，百度也在今年的CES上公布了阿波罗计划的新进展，即Apollo3.5版本，并在前期开放平台的发展成果基础上，推出了企业版，满足厂商定制需求。即在开源版本的基础上，推出定制版，以加快商业化进程。百度刚刚宣布年营收过千亿，要追赶两千亿级别的AT，无人驾驶将是重点倚靠的落脚点。不过无人驾驶离普通民众还比较远，现在的Apollo还在产品化、工程化阶段，商业化注定是个长期的过程。

Apollo3.5版本公布

这些年来百度发展自动驾驶业务的核心思路是搭建技术开放平台，在与汽车企业合作进行自动驾驶中寻求商业化机会。2017年4月19日，百度在上海车展宣布Apollo计划，开放自动驾驶平台，试图打造自动驾驶领域的安卓系统，帮助汽车行业开发者结合车辆和硬件系统，搭建一套属于自己的自动驾驶系统，降低自动驾驶门槛。

从那时候起，百度Apollo每隔三四个月就会更新一次新版本，从1.0版本逐步进化到近日公布的Apollo3.5版本。早期的版本是在封闭环境下的按照预定轨迹的自动驾驶，能力比较有限。

先简单回顾一下百度Apollo的历次版本更迭。

Apollo 1.0

2017年7月5日，百度开放Apollo 1.0版本，开放了封闭场地循迹自动驾驶能力、自定位能力和端到端等数据，以及仿真引擎技术平台，Apollo仿真引擎使人们可以上传更多的路况，来给自动驾驶汽车提供训练数据。

Apollo 1.0版本还处于早期阶段，只能实现封闭场景下的循迹自动驾驶。

Apollo1.5

2017年9月20日，百度发布Apollo1.5版本，包含障碍物感知、决策规划、云端仿真、高精地图服务、端到端的深度学习（End-to-End）等五大开放能力，并支持昼夜定车道自动驾驶。

Apollo 2.0

2018年1月，Apollo 2.0 推出，支持昼夜简单城市道路情况下的自动驾驶，包括云端服务、软件平台、参考硬件平台以及参考车辆平台在内的四个模块全部开放。首次开放产品安全服务，通过云端的安全 OTA、系统层级的防火墙以及硬件层级的黑盒子，来保障系统在运行时的安全。

Apollo 2.5

2018年4月19日，百度发布Apollo 2.5版本，具体更新有：增加了高速公路场景，提供了更低成本的传感器解决方案，支持乘用车、卡车、巴士、物流车、扫路车等多种车型，提供Dockerfile等五大开发工具。

Apollo 3.0

2018年7月5日，百度推出了Apollo 3.0版本，升级两大平台并发布四大量产方案。

硬件参考车辆平台升级为车辆认证平台，可以让开发者自由选择经过Apollo认证的车辆即可使用Apollo平台开发自动驾驶汽车。其次是将硬件参考平台升级为硬件开发平台，发布了Apollo传感器单元，支持雷达、摄像头、激光雷达、GPS/IMU等设备接入。

推出了四大量产方案，包括小度车载OS量产方案、自主泊车方案、无人作业小车方案、无人接驳巴士方案。

总结来看，起步阶段的1.0版本提供的是最基础的能力单元，1.5版本在此基础上增加了障碍感知、规划能力，2.0版本增强了安全服务能力，2.5版本在激光雷达等高级传感器方面取得一定突破。3.0版本在量产上做了资源投入。

到现在的Apollo3.5，百度宣布实现了支持包括市中心和住宅场景等在内的复杂城市道路自动驾驶，包含窄车道、无信号灯路口通行、借道错车行驶等多种路况。

为应对这些更复杂的场景，Apollo 3.5做了 4 大升级：城市驾驶能力提升，Apollo Cyber RT 框架，先进硬件平台和 V2X 车路协同，以图增强感知能力、预测规划能力、与环境的协同能力以及系统的鲁棒性，并帮助开发者加快研发进程，提高量产能力。

驾驶能力

能够应对更复杂的环境，需要自动驾驶系统的规划、预测、感知等模块实现能力提升。

规划模块方面，Apollo规划调度程序和场景管理器安排一个场景处理器来处理车辆的移动。目前的框架中，设置有车道跟随、侧方绕行和其他的场景处理器。

交通预测方面，Apllo根据自动驾驶车辆的位置和行驶目标，在交通预测中添加了场景分类器。为处理不同的场景，Apllo模型池里加载了多个深度学习模型、，轨迹预测器也有一个算法池，可以从中选择能够处理某个场景的算法。

感知方面，Apollo支持多传感器套件，并首次支持128束激光雷达系统来扩展探测范围，以覆盖尽可能多的盲区。Apollo感知模块的深层网络可以并行运行，同时处理摄像机的图像和激光雷达上的点云，识别交通信号灯、目标物、车道和交通流，并对点云进行分割。

硬件配置

自动驾驶系统离不开雷达、摄像头、传感器等硬件的支持。硬件方面，Apollo 3.5对现有的5个硬件模块进行了更新，包括计算单元、GPS/IMU导航系统、摄像头、雷达和激光雷达。另外Apollo 3.5推出两个全新的硬件模块：AXU—Apollo扩展单元和车路协同V2X车载单元。

在Apollo 3.0中，自动驾驶传感器系统搭载了探测范围最高达120米的单个64束激光雷达、3个前视摄像头、1个前视雷达，以及一个单天线GNSS（全球导航卫星系统）。而在Apollo 3.5版本中，全部传感器套件可以覆盖高达300米的探测范围，其中包括128束高分辨率激光雷达、3个16束激光雷达覆盖盲区、前视及后视雷达扩展、10个车规摄像头保证360度环绕视野，以及双天线GNSS以保证静止模式下车辆的导航航向确认能力。

除传感器套件外，Apollo 3.5还将自动驾驶计算平台升级为可扩展架构，推出AXU（Apollo扩展单元），提供计算加速、升级数据分析及处理、安全存储功能，并且支持多接口，与现有的ASU（Apollo传感器单元）相结合，为自动驾驶传感器和数据加速增加可插拔且可编程的功能，从而加速计算能力，简化开发流程。

车路协同

现在越来越多的厂商认为，车路协同的技术路线在安全性上会优于单车传感器路线。因此包括阿里等企业也都在车路协同上做技术布局。百度此前也宣布将开源Apollo车路协同方案。百度智能驾驶事业群组总经理李震宇此前在2018年虎嗅 FM 节上表示，未来车变得聪明了之后，路也需要变得越来越聪明。

在Apollo 3.5版本中，车路协同由硬件、软件和云共同实现。在硬件平台方面，OBU包括硬件设备和所有LTE-V2X和DSRC所需的驱动及协议栈。软件平台采用Apollo V2X适配器，内置安全和数据融合功能。云服务平台为车联网提供路侧服务，如信号灯控制器和RSU（路侧设备）。

另外Apollo硬件开发平台将首次推出搭载V2X OBU（车联网车载单元）的车路协同技术。V2X 通过V2I（车与基础设施）、V2N（车与网络）、和未来的V2V（车与车）之间的连接与信息共享造就一个智能车辆与设施协作系统（IVICS）。IVICS需要4方通力协作：研究机构设立运行标准、芯片模组和设备制造商提供V2X车联网芯片模组硬件、电信运营商提供无线通信服务、交通设施供应方提供V2X车联网（OBU车载/RSU路侧）硬件和部署车联网系统。

开源计算框架

Apollo Cyber RT 系统是 Apollo 开源软件平台层的一部分，作为运行时计算框架，处于实时操作系统 (RTOS) 和应用模块之间。 Apollo Cyber RT作为基础平台，支持运行所有应用模块。

Apollo Cyber RT 框架核心理念是组件，每个组件就代表一个专用的算法模块。框架可以根据所有预定义的组件生成有向无环图 (DAG)。有向无环图是一种解决高并发问题的分布式技术。在运行时刻，框架把融合好的传感器数据和预定义的组件打包在一起形成用户级轻量任务，之后，框架的调度器可以根据资源可用性和任务优先级来派发这些任务。

Apollo Cyber RT系统具备多个专为自动驾驶模块和应用设计的组件。通过即插即用功能，为开发者提供构建应用模块的标准方式，简化技术方案开发流程。

Apollo Cyber RT 框架包括任务接口和高效的数据融合，应用程序无须再自行处理来自多路数据的融合过程。开发者可以专注于核心算法开发，从而加快研发进程。

将一个复杂的自动驾驶技术方案部署到新的硬件平台需要花费大量时间调试优化。而Apollo Cyber RT 框架内置自适应通信功能，可以高效处理数据通信。框架的调度器能够根据资源可用性进行编排，对环境依赖低，从而简化部署流程。

这样，在之前版本的基础上，Apollo新版本带来的效果主要集中在两个方面，一是通过软硬件的升级，系统对复杂环节的检测、运算处理能力得到提升，有助于提高自动驾驶行为的准确性与安全性能，二是开发者的流程部署与研发进程因为得到软件与工具的支持，因而有望实现更快的开发速度。

当然，需要明确的是，不管软硬件升级带来的系统性能如何强大，路测水平如何好，都不意味着绝

对安全。相对安全与绝对安全之间的鸿沟很难填平，在实际中还是会有想象不到的复杂环境考验自动驾驶。另外，汽车工业上百年历史带来的汽车研发制造技术已经非常成熟，但还是会出现各种危险情况；操作系统发展这么多年非常成熟，但总还是出现漏洞，自动驾驶也是如此，对安全性的探索可能是永无止境的问题。

Apollo企业版推出，自动驾驶商业化刚刚起步

比3.5版本更让人关注的，是百度发布了智能驾驶商业化解决方案Apollo Enterprise，即Apollo企业版，使Apollo从开放开源平台，迈入商业化阶段。这不禁让人想起了区块链领域的IBM fabric，开发者可以基于这个开源系统做区块链应用，而要实现更好的性能，需要找IBM做定制。

与Apollo开源平台不同的是，Apollo企业版是面向汽车企业、供应商和出行服务商提供的自动驾驶和车联网解决方案，瞄准的客户需求是量产、定制方面。

为支持客户的快速量产，Apollo高速场景自动驾驶方案、自动泊车、小巴自动驾驶三大部分提供商用量产自动驾驶解决方案。此外，小度车载OS也针对Apollo企业版进行定制，形成面向量产的人工智能车联网系统解决方案。 Apollo企业版高精数据服务平台，基于多源数据生态、高精数据服务，包含车机地图，ADAS地图和高精地图，为OEM实现自动驾驶提供数据与高清地图方面的支持。

B端的厂商也会在成本和收益之间进行取舍，做出权衡，毕竟现在离自动驾驶市场爆发还比较远。为此，Apollo Enterprise根据客户需求，定制自动驾驶功能、传感器配套、和车载计算单元的不同的方案套餐。

百度提供的案例是，2018年自动驾驶金龙小巴已经量产，且在北京、雄安、广州、苏州、厦门等地实现了规模化运营。Apollo企业版目前进行深度合作, 面向未来2-3年量产的客户有福特、奇瑞、比亚迪、现代、长城、威马、起亚、一汽。

这样，Apollo试图在前期积累的生态资源、数据、平台优势基础上，做一些更进一步的商业化尝试。百度在阿波罗项目上投入了这么多，加快商业化步伐是迟早的事。随着汽车界与技术界对于无人驾驶的大力布局，无人驾驶的进程无疑是大幅提前了，以前人们可能觉得无人驾驶是这辈子也见不到的事，或者是2050年以后的事，但现在人们对于无人驾驶的预期普遍还是有所提前了。从这个角度看，商业化似乎可以适当加速了。另外，Apollo开放平台发展近两年，初步形成了自动驾驶生态，合作伙伴超过130个，开发者超过1.2万个，推出定制化的企业版具备一定基础。

不过即使人们的预期再提前，无人驾驶好像也不是最近几年就可以大规模使用。现在厂商们普遍开发的是L4级别的自动驾驶，并不是L5级别的。而且虽然这家也说量产，那家也说要量产，但实际上都是很小规模的量产，离推广到普通民众还有很远的距离。

在乘用车方面，Apollo做的是B2B2C的生意，要实现大规模的营收和利润，最终还是看C端的用户是否会大规模买单。显然这会是渐进的过程，从喜欢新事物的极客再到大量的年轻人，再推广到全社会的大部分层面，这个过程会比较漫长。从这个角度说，Apollo在未来几年里还是不能为百度贡献规模化的营收。Apollo目前还是在产品化工程化阶段，还没有到大规模销售的阶段。

李震宇此前在2018年虎嗅 FM 节上也表示，判断技术在明年后年的时候能够做一些小规模的运营测试，但是真正的到规模化商业可能还有些时日。

企业版推出后，Apollo如何在开放平台和企业版直接分配资源和精力，是需要在发展中权衡的问题。企业版承担着加速商业化的重任，开放平台则需要通过持续的能力强化，来增强对业界的吸引力，扩大客户资源池。似乎都不能松懈。但企业不论是时间还是研发资源都还是有限的，需要有一个更好的平衡。此外，也有观点表示，企业版的推出，需要Apollo加强售前和售后的服务能力，这样，组织之前是个技术研发型的组织，之后会逐渐向商业交付型组织过渡，这其中需要有制度以及能力等方面的配合。

从商业化路径上看，Apollo走的是技术平台的路线，通过对外赋能实现价值。相比之下Waymo走的是自建车队重资产运营的路子，等于说既在改变生产力也在改变生产关系。Waymo的模式投入大，优势在于收益可能会更早兑现，而且会获得更多数据。Waymo可能是笃定未来自动驾驶汽车的使用形式就是类似于现在的出租车。不过Waymo的落地方式也要面对如何拓展客群以及如何定价的难题。Apollo的平台路线也有很大价值，但商业价值的兑现还要等待市场爆发。